Репортер | Гу Лэй
В наши дни искусственный интеллект — это большая арена, и важно знать, как играют гиганты.
Среди множества треков на этой арене медицинское обслуживание ИИ вызвало у людей бесконечные мечтания и частое раскладывание гигантов с его огромным потенциальным рынком. В октябре 2016 года Baidu выпустила «Baidu Medical Brain», в марте 2017 года Alibaba Cloud выпустила «ET Medical Brain», а в августе 2017 года Tencent официально представила свой первый ИИ-продукт для медицинской визуализации «Tencent Miying». .
В приведенном выше макете, за исключением того, что Tencent выпустила один продукт для медицинской визуализации, Baidu и Ali выпустили платформы экологического характера, которые заставили людей чувствовать себя немного абстрактно. Как они действуют? На какой стадии она сейчас развивается? Что их беспокоит в области медицины ИИ? Это уже давно является темой для беспокойства стартапов и инвесторов.
Недавно на мероприятии «Эксперты Yunqi, вступающие в Jingyi Offline Event», организованном сообществом Alibaba Cloud Yunqi, базовый лагерь AI Technology провел эксклюзивный диалог с Киганом, главой Alibaba Cloud ET Medical Brain, чтобы заставить читателей игнорировать текущую ситуацию с AI. лечение.В тумане развития хорошо видно, как Али играет на этом популярном треке?
Ли Чжаоронг, прозвище: Киган, руководитель отдела медицинских продуктов для мозга Alibaba Cloud ET, продвигает возможности искусственного интеллекта и анализа данных для обслуживания медицинской отрасли, возглавлял платформу HIS, сетевую больницу Alibaba Health Medical Butterfly Valley Cloud, сетевую больницу и медицинский мозг Alibaba Cloud ET. и т.д. работа по дизайну продукта. Окончил Университет Гонконга со степенью бакалавра наук по специальности биология и дополнительной экономикой; Лондонскую школу экономики и политических наук (LSE), степень магистра экономики (исследования).
Позиционирование медицинского мозга Ali ET: аналог медицинской операционной системы, обеспечивающий инфраструктуру и стандартизированные услуги для разработчиков
В марте 2017 года «ET Medical Brain» от Alibaba Cloud дебютировал на конференции Yunqi в Шэньчжэне.Ху Сяомин, президент Alibaba Cloud, представил его следующим образом: «Используя технологию глубокого обучения, ET использует массивные данные в качестве примеров для обучения. конкретная задача, то есть компьютер улучшает медицинские навыки, изучая данные о случаях.В настоящее время ET имеет ряд медицинских возможностей, и в будущем он надеется использоваться в таких областях, как виртуальный помощник пациента, медицинская визуализация, точная медицина , исследование эффективности лекарств, исследования и разработки новых лекарств, управление здравоохранением и другие области. Возьмите на себя роль помощника врача».
Киган также объяснил, что ET Brain теперь играет иначе, чем когда он был запущен в марте этого года. Али уже разработал несколько медицинских алгоритмов, но в настоящее время основное внимание уделяется не их разработке, а использованию вычислительных ресурсов и бизнес-ресурсов Alibaba Cloud для помощи разработчикам алгоритмов, чтобы их алгоритмы могли лучше использоваться клиентами или клиентами. Позвоните в больницу.
Вы также можете понять эту модель, поскольку медицинский мозг эквивалентен медицинской операционной системе, на основе которой другие команды разработчиков алгоритмов создают свои собственные приложения. В дополнение к некоторому управлению безопасностью и поддержке эксплуатации и обслуживания, которые были предоставлены сейчас, Ali будет постепенно делать эту операционную систему более толстой.В будущем, будь то полный набор услуг или просто пакет алгоритмов, ET Medical Brain будет использовать некоторые стандартизированные методы, чтобы они работали в больницах.
Причинами изменения, по мнению Кигана, являются следующие два момента:
-
По сравнению с алгоритмами общего назначения, такими как распознавание речи, алгоритмы в области медицины очень специфичны. Например, алгоритмы и процессы настройки, задействованные в двух приложениях обнаружения легочных узелков и скрининга глюкозы, относительно независимы. Применение комбинации искусственного интеллекта и медицины только началось, и по сравнению с богатой медицинской сценой это все еще меньше 1%.
-
Киган считает, что в процессе успешной коммерциализации технологии искусственного интеллекта важность алгоритмов составляет лишь часть, а остальное важнее в процессе интеграции алгоритмов в бизнес-системы больниц. В то же время мобилизация мудрости всей отрасли для разработки алгоритмов, а Alibaba, обеспечивающая интеграцию и поддержку инфраструктуры, больше соответствует общему экологическому подходу Alibaba Cloud.
Что Али может предложить компаниям, разрабатывающим алгоритмы?
Каковы взаимные интересы между Али и алгоритмическими компаниями, разрабатывающими «операционную систему» медицинского мозга? В ответ на эту проблему Киган считает, что Ali обеспечивает удобство для разработчиков или партнеров в следующих двух аспектах:
-
Стадия разработки алгоритма: может предоставить разработчикам аренду вычислительных ресурсов и вызов некоторых пакетов алгоритмов.
В 2015 году Alibaba Cloud выпустила PAI (платформу искусственного интеллекта), первую платформу машинного обучения в Китае, которая может не только реализовать высокопроизводительные облачные вычисления для снижения затрат на хранение и вычисления, но также имеет соответствующие инструменты и библиотеки алгоритмов для снижения технический порог. В марте 2017 года Alibaba Cloud снова обновила его: PAI 2.0 уже совместим со многими фреймворками глубокого обучения, а также оптимизировал видеопамять, связь и совместную работу программного и аппаратного обеспечения.
-
Этап делового сотрудничества разработчиков и больниц: может сделать реализацию бизнеса более эффективной после приземления.
Киган привел пример. Например, компания, которая занимается CDSS (Clinical Decision Sopport System), предполагает, что у них уже есть модель алгоритма, развернутая в больнице. Без Alibaba Cloud они могут развернуть в больнице только несколько. Когда это необходимо для оптимизации алгоритмов, извлечения журналов, устранения неполадок, обновления системы и т. д. инженерам необходимо отключаться для обслуживания.
Сама Alibaba Cloud будет иметь подключение для передачи данных со многими больницами.Если эти компании разместят алгоритмы в облаке, они смогут предоставлять услуги больницам по выделенным линиям. Таким образом, ежедневная работа по эксплуатации и техническому обслуживанию может выполняться в облаке, и даже небольшая компания может оказывать техническую поддержку сотням больниц.
За что алгоритмическая компания должна платить?
Киган сказал AI Technology Base Camp, что, поскольку Ali уже имеет много больничных ресурсов, она часто выступает в качестве бизнес-посредника в дополнение к предоставлению инфраструктуры. До сих пор Ali не взимала плату за промежуточную обработку, но взимала базовую плату за аренду ресурсов за хранение и передачу данных.
Позиция медицинской бригады в системе Ali AI: стойка регистрации в Чжунтае
Многие люди, знакомые с Alibaba, знают, что в конце 2015 года Alibaba Group объявила о комплексной корректировке своей организационной структуры, чтобы создать сильную промежуточную платформу, которая объединяет технологии продуктов и возможности данных Alibaba, и, таким образом, сформировать «большую промежуточную платформу». , небольшая стойка регистрации». Организация и бизнес-система, чтобы сделать фронтальный бизнес более гибким и гибким.
Киган объяснил AI Technology Base Camp, что так называемая промежуточная платформа — это уровень предоставления технических возможностей.Источниками этого уровня возможностей в основном являются iDST (Институт науки и технологий о данных), лаборатории ИИ и команда Xiaomi в клиенте. сервис., и внешние партнеры, такие как Yitu Technology и другие компании, обосновавшиеся в медицинских мозгах.
Медицинский мозг находится в таком же положении, как приемный стол на средней стадии.Киган сказал, что на средней стадии есть много ученых, которые проводят исследования и разработки некоторых одноточечных возможностей, которые могут не представлять собой легочный узел.Для скрининга Например, он может выполнять динамическое распознавание изображений или распознавание статических изображений, медицинский мозг упакует его исследование в концепцию с бизнес-сценарием, а затем достанет его.
Как упаковать алгоритм в продукт — очень сложная вещь. Киган считает, что иногда может потребоваться месяц, чтобы создать алгоритм, который можно будет использовать на рынке, но может потребоваться 2-3 месяца, чтобы упаковать его в продукт, и в середине его нужно APIизировать, чтобы сделать его безопасным и оплачивается за интеграцию. , единый вход и другие встроенные функции. В процессе доставки в больницу также могут быть выполнены некоторые технические работы, такие как динамическое развертывание, SDK и локальное зеркалирование, чтобы помочь алгоритму лучше приземлиться в больнице.
А категория интерфейсных приложений Ali для медицинских сценариев будет включать Alipay, Future Hospital, Ali Health, Dingding и другие продукты.
Организация мозга инопланетян и как это работает
Киган сообщил технологической базе ИИ, что в дополнение к медицинским мозгам инопланетян у Alibaba Cloud также есть промышленные мозги инопланетян, городские мозги, мозги электронной коммерции и т. Д. Все эти мозги представляют собой параллельные структурные отношения, но иногда будет некоторое сотрудничество, и все они принадлежат Alibaba Cloud The Flying Part.
"Но это не останавливается на достигнутом, - добавил Киган. Это также относится к большой, средней и тайваньской архитектуре Али. Наше сотрудничество с группой технической поддержки Китая и Тайваня очень органично. Например, мы должны сделать что-то очень важное. , нехватка внешних ресурсов, я могу перейти в центр и на Тайвань для развертывания, поэтому количество людей по-прежнему очень гибкое, иногда на медицинской стороне работают сотни человек.
Такая промежуточная конфигурация выгодна Киган объяснил, что когда появилось много компаний, они заявили, что создадут фармацевтическое подразделение и обеспечат инвестирование 50 человек. На самом деле, область медицины ИИ меняется очень быстро, и в настоящее время все не нашли точки, где они действительно могут получить деньги и поддержать команду для создания бизнеса.В это время было бы очень опасно распределять так много фиксированных ресурсов.
С какими больницами в настоящее время сотрудничают: Чжэцзян и Пекин являются основными для углубленного сотрудничества
Что касается больниц, которые их создали и с которыми сотрудничают, Киган сказал, что было много сотрудничества с больницами, включая Чжэцзян № 1, Чжэцзян № 2, Хуашань, Синьхуа и другие больницы в Шанхае, но глубина будет разной. , Более глубокое сотрудничество сосредоточено в Чжэцзяне и Пекине.
Что касается режима сотрудничества, Киган сказал, что текущий режим привязки каждой точки сотрудничества не одинаков, но в целом медицинский мозг может обеспечить больницу ресурсами на двух уровнях:
инфраструктура, такая как вычислительные ресурсы
Услуга разработки индивидуальных алгоритмов
С какими трудностями вы столкнулись в процессе посадки?
1. Лабораторные результаты не могут быть воспроизведены в реальных сценариях.
На вопрос, сталкивался ли он с какими-либо трудностями в процессе бизнес-посадки, Киган признал, что особенно распространенной, но очень важной проблемой является то, что данные, полученные в лаборатории, не совпадают с фактическими результатами больницы.
В области машинного считывания очень популярен скрининг узелков в легких, поскольку существует множество общедоступных наборов данных об узлах в легких. Общедоступный набор данных имеет две характеристики:
Во-первых, тонина пленки очень высокая, часто с толщиной слоя 1 мм или 1,5 мм;
Во-первых, целостность пленки высока, и случаев отсутствия пленки мало.
При этих двух условиях точность машинного считывания высока.
Но на самом деле по толщине среза КТ разрез в стационаре чаще всего 5 мм, в то время как в диспансерном пункте не менее 5 мм, а толщина среза может быть и 1 см, кроме того, аппараты в стационаре и в центре медицинского осмотра часто возникают ситуации с отсутствующими срезами, и не хватает ни одного, ни двух, что сильно влияет на точность машинного считывания.
2. Внутренние данные больницы не подключены: данные больницы слишком сложны для подключения и эффективного получения
Когда его спросили, что он думает об хранилищах данных между больницами, Киган рассмеялся, это не главная проблема в настоящее время, проблема сейчас в том, что даже данные между больницами не связаны.
Почему возникает такая проблема? Может быть, многие скажут, что достаточно интегрировать данные изображений в больнице с историческими электронными историями болезни соответствующих пациентов, а затем выучить их? Киган объяснил, что в реальной операции была огромная трудность — источник данных.
Это связано с тем, что исторические электронные медицинские записи часто существуют в нескольких компаниях EMR (Electronic Medical Record), а данные изображений часто существуют в компании Packs, локально или даже в стороннем облаке.Часто между этими компаниями отсутствует взаимодействие. Большинству компаний, занимающихся медицинской визуализацией, очень сложно получить компании EMR или компании Packs, поэтому очень сложно эффективно получать внутренние больничные данные, и даже нет такого механизма и процесса.
В Соединенных Штатах действует HIPAA (Закон о переносимости и подотчетности медицинского страхования) Закон о конфиденциальности и подотчетности медицинского страхования, и его механизм работы очень строгий: пациент делает снимок в больнице, и данные этого снимка принадлежат несколько сторон. , включая программное обеспечение больниц, пациентов, врачей, машин и машин. Если оно будет использоваться другим лицом, оно должно быть подписано всеми сторонами, владеющими данными. Можно получить часть данные.сложные.
Однако в настоящее время в Китае такого механизма нет, что, с одной стороны, может привести к чрезмерному развитию из-за неизбирательного использования данных, что приведет к чрезмерной защите. В настоящее время нет хорошего баланса этих аспектов, поэтому компании, работающие над этим аспектом, испытывают трудности.
Киган считает, что эти проблемы определенно не изменятся в краткосрочной перспективе, и мы можем только медленно сотрудничать со всеми сторонами в том, как обращаться с этими данными и создавать ценные приложения, не вызывая утечки данных.
О ходе конкурса Tianchi Medical AI Competition
Стоит отметить, что на конференции Yunqi в Шэньчжэне в марте этого года, наряду с выпуском ET Medical Brain, Али также объявил о запуске соревнований серии Tianchi Medical AI, направленных на поиск оптимального алгоритма для интеллектуального суждения о раннем развитии легких. диагноз рака, так что машина может помочь врачам в постановке диагноза с помощью необработанных изображений КТ.
По данным AI Technology Base Camp, до пресс-релиза насчитывалось 2887 команд-участниц, а полуфинальный этап завершился, финальная защита пройдет с 11 по 12 октября. По словам Кигана, текущий ход соревнований относительно гладкий, и Али выбрал несколько хороших команд из числа участвующих игроков и включил их способности в медицинский мозг.
В то же время Али сейчас готовит вопросы для второго этапа конкурса, и вопросы набираются открыто...
Прорыв и приземление лечения ИИ: то, что уже приземлилось, звучит не сексуально
Говоря о машинном считывании данных о раке шейки матки, узлах в легких и узлах щитовидной железы, которые сейчас часто появляются в средствах массовой информации, Киган считает, что эти приложения в настоящее время кажутся более популярными на низовом уровне.
Почему это результат? Поскольку обучающие данные, используемые при машинном чтении, являются результатом ручной аннотации, никто не посмеет сказать, что машина справилась лучше, чем все врачи.Хорошие врачи считают, что их уровень выше, чем у ИИ.Что касается фильма,врач не смотреть на узелки в легких можно только при просмотре фильма, все равно придется пересматривать, так что мотивация пользоваться машиной не сильная. Это также текущее смущение ИИ в области медицины.
Относительно сочетания ИИ и медицинского обслуживания, по сравнению с вышеизложенным, Киган сказал, что его больше интересуют детали многих медицинских процессов, происходящих в больницах, а машинное обучение и алгоритмы могут оптимизировать их в любой момент.
Например, если пациент использует свою карту медицинского страхования, чтобы записаться на КТ, система порекомендует ему время для проверки.Во время этого процесса в нем будут работать какие-то алгоритмы или модели расписания.Иностранные пациенты? Medicare или без страховки? Это единый номер КТ или ждать завтра операции? Это экстренная операция или плановая операция? Готова ли кровь к операции?
Это происходит и незаметно приземляется сейчас, и они не менее ценны, чем эти машиночитаемые фильмы, но им уделялось меньше внимания, сожалеет Киган.
Технологический прорыв или прорыв в бизнесе?
Что касается определения прорыва, Киган считает, что прорывы делятся на технологические прорывы и прорывы в бизнесе. Например, показатель точности распознавания речи составляет от 60% до 90%, что является огромным прорывом в технологиях, но нулевым прорывом в бизнесе, поскольку показатель точности распознавания речи менее 95% недоступен. А показатель точности от 94% до 96% — это огромный прорыв в бизнесе.Сейчас у нас много конференций, которые напрямую используют результаты распознавания речи в виде субтитров или стенографии.
Что касается текущих машинных показаний, Киган считает, что они доступны только в определенных сценариях. Например, технология раннего скрининга рака шейки матки была разработана компанией Wuhan Landing, и их оборудование явно используется в первичных больницах.
На что во всей медицинской экосистеме ИИ обращает внимание Али?
В настоящее время Али беспокоит не то, что определенный алгоритм, о котором сообщалось в новостях, был реализован в определенной больнице, Киган считает, что они на самом деле не воспроизводимы.
Али, с другой стороны, фокусируется на процессе от алгоритма искусственного интеллекта до окончательной реализации программного обеспечения, которое можно использовать, и на процессе обдумывания того, как органично совместить модель с реальной сценой больницы.
"Поэтому цель медицинского мозга только одна, а именно помочь большему количеству хороших приложений и лучшей реализации в больнице. Мы были готовы сделать это в течение нескольких лет, - наконец заключил Киган. - Дорога".